DISTRIBUSI VERTIKAL KLOROFIL-A DI PERAIRAN LAUT BANDA BERDASARKAN NEURAL NETWORK ACH. FACHRUDDIN SYAH

Transkripsi

1 DISTRIBUSI VERTIKAL KLOROFIL-A DI PERAIRAN LAUT BANDA BERDASARKAN NEURAL NETWORK ACH. FACHRUDDIN SYAH SEKOLAH PASCA SARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009

2 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis Disribusi Vertikal Klorofil-A di Perairan Laut Banda Berdasarkan Neural Network adalah karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak ditertibkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini. Bogor, Agustus 2009 Ach. Fachruddin Syah C

3 ABSTRAK ACH. FACHRUDDIN SYAH. Vertical Disrtibution of Chlorophyll-a at Banda Sea Waters Based On Neural Network. Under direction of JONSON LUMBAN GAOL, and KUDANG BORO SEMINAR The primary production quantity depends on the vertical distribution of chlorophyll concentration in the water column. The chlorophyll maximum value not always observed near or at the sea surface, but sometimes lies deeper than bottom of the euphotic zone. In this case, the ocean color sensors cannot measure the chlorophyll maximum value. A shifted Gaussian model has been proposed to describe the variation of the chlorophyll-a (Chl-a) profile which consists of four parameters, i.e. background biomass (B 0 ), maximum depth of Chl-a (Zm), total biomass in the peak (h), and measurenment of the thickness or vertical scale of the peak ( ). However, these parameters are not easy to be determined directly from satellite data. Therefore, in these research, an ANN methodology is used. Using in-situ data 1962 to 1985 in Banda Sea, the above parameters are calculated to derive the Chl-a concentration, sea surface temperature, mixed layer depth, latitude, longitude, and season. The total of 79 profiles of Chl-a and temperature are used for ANN. The correlation coefficient of these parameters are (B 0 ), (h), ( ) and (Zm) respectively. After comparing with in-situ data and ANN model, the result show not good enough agreement relatively. Keywords: Chlorophyll-a (Chl-a), Vertical Structure, Artificial Neural Networks (ANN)

4 RINGKASAN ACH. FACHRUDDIN SYAH. Distribusi Vertikal Klorofil-a di Perairan Laut Banda Berdasarkan Neural Network. Dibimbing oleh JONSON LUMBAN GAOL, dan KUDANG BORO SEMINAR Tingkat kesuburan suatu perairan bergantung pada konsentrasi klorofil-a di kolom perairan. Nilai klorofil-a maximum tidak selalu berada di dekat atau di permukaan laut, tetapi terkadang berada lebih dalam di bawah daerah eufotik. Pada kasus ini, sensor ocean color dari satelit tidak dapat menghitung nilai maksimum klorofil-a yang berada di bawah lapisan permukaan laut. Tujuan dari penelitian ini adalah melakukan studi pendugaan distribusi konsentrasi klorofil-a secara vertikal di Perairan Laut Banda dengan menggunakan metode ANN Model yang digunakan untuk pendugaan distribusi vertikal konsentrasi klorofil-a adalah model distribusi Gauss. Model distribusi Gauss merepresentasikan profile distribusi vertikal klorofil-a dengan 4 parameter. yaitu konsentrasi klorofil-a di permukaan laut (B 0 ), total konsentrasi klorofil-a di puncak (h), standard deviasi distribusi Gauss yang mengontrol ketebalan lapisan klorofil-a ( ), dan kedalaman konsentrasi klorofil-a maximum (Zm). Pendekatan perhitungan keempat parameter tersebut dilakukan menggunakan Least Square Method (LSM) dengan menggunakan data kedalaman dan konsentrasi klorofil-a in situ. Parameter yang diperoleh dengan metoda LSM tersebut digunakan sebagai data masukan output dalam metode ANN. Daerah penelitian adalah Perairan Laut Banda. Data klorofil in situ untuk daerah penelitian adalah data tahun 1962, 1963, 1972, 1973, 1984 dan Total data yang digunakan dalam proses ANN sebanyak 78 titik sampel. Data masukan input yang digunakan dalam model ANN adalah data konsentrasi klorofil-a ([Chl-a]) permukaan laut, suhu permukaan laut (SPL), mixed layer depth, lintang, bujur dan musim. Pada proses training, telah berhasil diperoleh nilai koefisien korelasi (r) untuk parameter (B 0 ), (h), ( ) dan (Zm) berturut-turut sebesar 0.912, 0.871, dan Selanjutnya pada proses validasi, nilai koefisien korelasi (r) untuk parameter (B 0 ), (h), ( ) dan (Zm) berturut-turut diperoleh nilai 0.862, 0.522, dan Pendugaan parameter h belum sesuai dengan yang diharapkan karena pola distribusi vertikal konsentrasi klorofil-a yang berbeda. Dengan menggunakan nilai rata-rata 4 parameter Gauss dan persamaan Gauss maka diperoleh nilai [Chla] LSM dan [Chl-a] ANN. Koefisien korelasi antara [Chl-a] in-situ dan [Chl-a] LSM adalah sebesar 0.636, sedangkan koefisien korelasi antara [Chl-a] in-situ dan [Chl-a] ANN adalah sebesar sehingga model masih perlu dikembangkan untuk mendapatkan hasil yang lebih akurat. Namun demikian, diperoleh hubungan yang cukup baik antara [Chl-a] LSM dan [Chl-a] ANN dengan nilai koefisien korelasi (r) yang sangat tinggi (0.99).

5 Hak Cipta milik IPB, tahun 2009 Hak Cipta dilindungi Undang-Undang Dilarang mengutip sebagian atau seluruhnya karya tulis ini tanpa mencatumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tidak merugikan kepentingan yang wajar IPB Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis dalam bentuk apapun tanpa izin IPB

6 DISTRIBUSI VERTIKAL KLOROFIL-A DI PERAIRAN LAUT BANDA BERDASARKAN NEURAL NETWORK ACH. FACHRUDDIN SYAH Tesis sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Mayor Teknologi Kelautan SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009

7 Penguji Luar Komisi pada Ujian Tesis: Dr. Ir. Richardus Kaswadji, M.Sc Dr. Ir. Djisman Manurung, M.Sc

8 HALAMAN PENGESAHAN Judul Tesis Nama NIM : Distribusi Vertikal Klorofil-a di Perairan Laut Banda Berdasarkan Neural Network : Ach. Fachruddin Syah : C Disetujui Komisi Pembimbing Dr. Ir. Jonson L. Gaol, M.Si Ketua Prof. Dr. Ir. Kudang B. Seminar, M.Sc Anggota Diketahui Koordinator Mayor Teknologi Kelautan Dekan Sekolah Pascasarjana Dr. Ir. Djisman Manurung, M.Sc Prof. Dr. Ir. Khairil A. Notodiputro, M.S Tanggal Ujian: 21 Juli 2009 Tanggal Lulus: 21 Agustus 2009

9 PRAKATA Alhamdulillah, puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia-nya sehingga karya ilmiah ini berhasil diselesaikan. Penelitian ini merupakan salah satu syarat untuk menyelesaikan program Magister Sains pada Mayor Teknologi Kelautan, Program Pascasarjana, Institut Pertanian Bogor. Pada kesempatan ini penulis mengucapkan terima kasih kepada: 1. Dr. Ir. Jonson L. Gaol, M.Si sebagai ketua komisi pembimbing dan Prof. Dr. Ir. Kudang B. Seminar, M.Sc sebagai anggota komisi pembimbing yang dengan sabar memberikan bimbingan dan saran dalam penelitian dan penulisan tesis ini. 2. Dr. Ir. Richardus F. Kaswadji, M.Sc dan Dr. Ir. Djisman Manurung, M.Sc sebagai dosen penguji atas segala masukan untuk perbaikan tulisan ini. 3. Ir. Andri Purwandani dari BPPT atas data yang diberikan dalam penelitian ini. 4. Dekan dan rekan sejawat di Fakultas Pertanian Universitas Trunojoyo khususnya ketua dan staf Jurusan Ilmu Kelautan. 5. Ibu Hj. Nurfadillah (orang tua), Bapak Soedjito dan Ibu Suparmi (mertua) yang selalu mendoakan dan memberi dorongan untuk mencapai ridho-nya. 6. Dwi Indah Lestari (istri) dan Syarifatu Aliya dan Ahmad Fatih Haidar (anakanak) serta keluarga besar yang selalu mendoakan dan memberi semangat. 7. Seluruh kerabat dan teman seperjuangan atas segala kebaikan dan kerjasamanya. Penulis berharap tesis ini dapat bermanfaat. Semoga Allah SWT meridhoi setiap langkah kita. Amiin. Bogor, Agustus 2009 Ach. Fachruddin Syah

10 PRAKATA Alhamdulillah, puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia-nya sehingga karya ilmiah ini berhasil diselesaikan. Penelitian ini merupakan salah satu syarat untuk menyelesaikan program Magister Sains pada Mayor Teknologi Kelautan, Program Pascasarjana, Institut Pertanian Bogor. Pada kesempatan ini penulis mengucapkan terima kasih kepada: 8. Dr. Ir. Jonson L. Gaol, M.Si sebagai ketua komisi pembimbing dan Prof. Dr. Ir. Kudang B. Seminar, M.Sc sebagai anggota komisi pembimbing yang dengan sabar memberikan bimbingan dan saran dalam penelitian dan penulisan tesis ini. 9. Dr. Ir. Richardus F. Kaswadji, M.Sc dan Dr. Ir. Djisman Manurung, M.Sc sebagai dosen penguji atas segala masukan untuk perbaikan tulisan ini. 10. Ir. Andri Purwandani dari BPPT atas data yang diberikan dalam penelitian ini. 11. Dekan dan rekan sejawat di Fakultas Pertanian Universitas Trunojoyo khususnya ketua dan staf Jurusan Ilmu Kelautan. 12. Ibu Hj. Nurfadillah (orang tua), Bapak Soedjito dan Ibu Suparmi (mertua) yang selalu mendoakan dan memberi dorongan untuk mencapai ridho-nya. 13. Dwi Indah Lestari (istri) dan Syarifatu Aliya dan Ahmad Fatih Haidar (anakanak) serta keluarga besar yang selalu mendoakan dan memberi semangat. 14. Seluruh kerabat dan teman seperjuangan atas segala kebaikan dan kerjasamanya. Penulis berharap tesis ini dapat bermanfaat. Semoga Allah SWT meridhoi setiap langkah kita. Amiin. Bogor, Agustus 2009 Ach. Fachruddin Syah

11 RIWAYAT HIDUP Penulis dilahirkan di Kabupaten Bangkalan Jawa Timur pada tanggal 20 Mei 1979 sebagai anak pertama dari dua bersaudara dari pasangan H. Afandi (alm) dan Hj. Nurfadillah. Tahun 1998 penulis lulus dari SMA Negeri 1 Bangkalan Madura dan pada tahun yang sama lulus seleksi masuk IPB melalui jalur Undangan Seleksi Masuk IPB. Penulis memilih Jurusan Ilmu dan Teknologi Kelautan, Fakultas Perikanan dan Ilmu Kelautan dan lulus pada tahun Pada tahun , penulis bekerja sebagai Manajer Litbang Akademik di salah satu bimbingan belajar yang ada di Bogor. Pada tahun 2005 penulis diterima sebagai staf pengajar di Program Studi Ilmu Kelautan, Fakultas Pertanian, Universitas Trunojoyo Madura. Selanjutnya pada tahun 2007, penulis diberi kesempatan untuk melanjutkan studi di Mayor Teknologi Kelautan IPB atas beasiswa BPPS Ditjen DIKTI. Selama mengikuti perkuliahan, penulis pernah menjadi wakil ketua WATERMASS ITK untuk periode 2007/2008.

12 DAFTAR ISI Halaman DAFTAR TABEL... vi DAFTAR GAMBAR... vii DAFTAR LAMPIRAN... viii PENDAHULUAN... 1 Latar Belakang... 1 Perumusan Masalah... 2 Tujuan Penelitian... 2 Manfaat Penelitian... 3 Ruang Lingkup Penelitian... 3 TINJAUAN PUSTAKA... 4 Fitoplankton dan Klorofil-a... 4 Faktor-faktor yang Mempengaruhi Konsentrasi dan Distribusi Klorofil-a. 6 Suhu... 6 Transmisi Cahaya... 8 Intensitas Cahaya... 9 Arus Air Laut Nutrien Distribusi Vertikal Klorofil-a pada Daerah yang Berbeda Distribusi Gauss Jaringan Syaraf Tiruan (Artificial Neural Network) Penggunaan Artificial Neural Network di Perairan Sub Tropis BAHAN DAN METODE Waktu dan Tempat Alat dan Bahan Penentuan Data Input-Output Pendugaan Parameter Gauss dengan ANN HASIL DAN PEMBAHASAN Parameter Gauss Pendugaan Parameter Gauss dengan ANN Training Validasi Model Perbandingan nilai [Chl-a] in situ, [Chl-a] LSM dan [Chl-a] ANN SIMPULAN DAN SARAN Simpulan Saran DAFTAR PUSTAKA LAMPIRAN... 51

13 DAFTAR TABEL Tabel Halaman 1. Nilai Rata-rata Parameter Gauss pada Data Training Nilai Rata-rata Parameter Gauss pada Data Validasi Parameter Training ANN Nilai error setelah Pengulangan ke Nilai Rata-rata Selisih pada Proses Training Nilai error pada Proses Validasi Nilai Rata-rata Selisih pada Proses Validasi Nilai Rata-rata Parameter Gauss Data-data Pembobot... 45

14 DAFTAR GAMBAR Gambar Halaman 1. Struktur Termal dan Taraf Percampuran dalam Laut-Laut Daerah Beriklim Sedang, Tropik, dan Kutub selama Empat Musim dalam Setahun Struktur Vertikal Klorofil-a pada Lapisan Permukaan dan pada Tiap Tingkatan Kolom Air yang Berbeda Distribusi Pergeseran Gauss untuk [Chl-a] Profile [Chl-a] secara Vertikal pada Musim (a) Dingin, (b) Semi, (c) Panas dan (d) Gugur Lokasi Penelitian Konsentrasi Klorofil-a di Laut Banda pada Musim yang Berbeda Model Artificial Neural Network yang akan dikembangkan a. Grafik Hubungan Nilai (a) B 0 dan (b) h (skala log) Hasil Pendugaan ANN dan Perhitungan LSM b. Grafik Hubungan Nilai (c) dan (b) Zm Hasil Pendugaan ANN dan Perhitungan LSM a. Grafik Hubungan Nilai (a) B 0, (b) h (skala log) Hasil Pendugaan ANN dan Perhitungan LSM b. Grafik Hubungan Nilai (c) dan (d) Zm Hasil Pendugaan ANN dan Perhitungan LSM a.Konsentrasi Klorofil-a di Laut Banda pada Musim (a) Barat dan (b) Peralihan b. Konsentrasi Klorofil-a di Laut Banda pada Musim (c) Timur dan (d) Peralihan

15 11. Hubungan antara Data Validasi dan Pendugaan ANN pada Parameter (a) B0, (b) h, (c) dan (d) Zm Grafik Hubungan Nilai [Chl-a] in situ dengan Nilai (a) [Chl-a] LSM dan (b) [Chl-a] ANN Grafik Hubungan Nilai [Chl-a] ANN dan [Chl-a] LSM Perbandingan Nilai [Chl-a] in situ, [Chl-a] LSM dan [Chl-a] ANN pada Musim (a) Barat, (b) Peralihan 1, (c) Timur dan (d) Peralihan

16 DAFTAR LAMPIRAN Lampiran Halaman 1. Tampilan Program JST BackPro2N Nilai Parameter Gauss pada Data Training Nilai Parameter Gauss pada Data Validasi Data Training Data Validasi Hasil Training Model Pendugaan [Chl-a] Hasil Validasi Model Pendugaan [Chl-a] Data-data Pembobot... 61